stata F值缺失_stata面板数据回归操作之GMM

新手面板数据回归之GMM 的 stata 操作步骤

广义矩估计（ Generalized Method of Moments 即 GMM ）

原理就是回归！就是一种高级点的回归！

我也是新手，也有很多不太懂的地方。断断续续学习了两个月，看了很多文献和公众号拼凑整理的，放到这里就是大家可以一起修正和补充。

数据情况：

样本：31个省份的面板数据

年份：2009-2016年 八年数据

因变量Y

自变量：八个X

一、数据整理、导入和保存

第一步：整理数据：

以X1 CPI为例 最好数据原始整理的时候，就注意形式，整理成这样

首先，stata不识别字符，所以建议把省份换成1-31。以免后续麻烦。也可以后续将字符修改为数值型，语法：egen pro=group(var1)//将var1变量转化为新的非字符串变量，并命名为pro。

（缺失数据：多重插补用的较多，这需要你根据自身情况去学习，学问多多。我是按照Landerman 等( 1997) 建议当缺失比例小于2%时, 用均数替代; 当缺失比例在2%—5%之间时, 用最大似然估计替代; 而当缺失比利大于5%时, 用多项回归替代(multiple imputation)。（Landerman, L .R . Land, K .C ., and Pieper , C .F . ( 1997) . An Empirical Evaluation of the Predictive Mean Matching Method for Imputing Missing Values . Sociological Methods and Research, 26( 1) : 3—33 .））

再从数据的第三行即具体数据开始，开始复制粘贴到stata的数据编辑器中，如右下图。

（ps：如果把第二行也纳入，stata会默认地区也是一个样本，后面2009-2016是数据，观测值变为32，年份9，错误如左下图，不要地区省份和具体年份！）

第二步：调整数据

开始在stata里面输入命令

第一：将第一列中的样本var1重命名

语法：rename var1 样本名

本例：rename var1 province

然后你就会看到var1变成province

第二：转换为数据，继续识别时间变量

语法：reshape long var,i(样本名)

本例：reshape long var,i(province)

其他的var就会变成年份顺序

Stata语法界面可以看到：一共31个样本，248个观测值。J variable 有8个值。

第三：重命名 语法： rename _j year ；rename var 变量名称

本例就是： rename _j year ；rename var CPI

就得到下图：其中province 1-31个省份。2-9就是2009-2016年，八年

为防止数据不符合排序问题，我们可以再来个排序：sort 样本名称 时间

本例：sort province year 一般是没有问题的。

最后保存一下，方便后续导入使用。

注：其他变量也全部都这样导入，导入前先clear一下。stata也可以直接打开Excel，前提你的格式记得修改好。如果变量较多，一定记得保存到一个文件夹，后续导入需要一直使用这个文件路径。

第三步：合并数据

从因变量Y开始。其他变量也是要一个个导入合并。看起来一个个来很麻烦，操作熟练了，几分钟的事情，所以不要担心。

打开因变量Y的数据库。先合并CPI。

语法：merge 1:1 province year u